MétaCan
Menu
Retour à la cohorte
Enregistrement W6939550834 · doi:10.6084/m9.figshare.20416450.v1

Additional file 1 of Food and beverage advertising expenditures in Canada in 2016 and 2019 across media

2022· article· en· W6939550834 sur OpenAlexaffabout

Notice bibliographique

RevueFigshare · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueConsumer Attitudes and Food Labeling
Établissements canadiensUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTable (database)Food processingFood marketingFood productsInterrupted time seriesUnhealthy foodProduct (mathematics)

Résumé

récupéré en direct d'OpenAlex

Additional file 1: Supplemental Table 1. The 57 select product categories licenced from Numerator included in the study. Supplemental Table 2. Numerator’s methodology used to estimate expenditures by media. Supplemental Table 3. Thresholds against which products containing free sugars, added sodium and added fat are assessed to determine whether they would be classified as “permitted/healthy” or “restricted/unhealthy” advertising according to Health Canada’s proposed nutrient profile model. Supplemental Table 4. Changes in net food advertising expenditures on television in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 5. Changes in net food advertising expenditures classified as “unhealthy” on television in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 6. Changes in net food advertising expenditures on the radio in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 7. Changes in net food advertising expenditures classified as “unhealthy” on the radio in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 8. Changes in net food advertising expenditures in print media in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 9. Changes in net food advertising expenditures classified as “unhealthy” in print media in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 10. Changes in net food advertising expenditures in out-of-home media in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 11. Changes in net food advertising expenditures classified as “unhealthy” in out-of-home media in Canada† between 2016 and 2019, overall and by food category. Supplemental Table 12. Net food advertising expenditures in digital media in Canada† in 2019, overall and by food category.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,875

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,014
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,3860,037

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetConsumer Attitudes and Food LabelingTravaux en français237 207